待验证50% 置信事实精确时间
零样本泛化指模型在未经过任何目标数据集训练或微调的情况下，直接迁移到新数据集上仍能保持可用性能。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
待验证当数据充足、类别稳定、成本敏感、流量大时优先训练分类器；当无数据、需快速验证、类别多变时零样本是更合适的起点77% 相似待验证一篇最新研究提出了扩散模型的“数据自由训练”方案，让模型仅凭自身生成的样本完成训练，无需从目标分布采样训练数据。73% 相似待验证零样本学习(Zero-shot Learning)是指模型在未经过针对特定任务训练的情况下,仅凭借预训练阶段积累的通用知识完成新任务的能力73% 相似待验证ControlNet的零卷积层设计(初始化为零权重)保证训练初期不会破坏原模型能力,训练成本远低于从头训练新模型73% 相似待验证在小数据集上应采用COCO等大规模数据集上预训练的DETR权重进行微调，而非从零训练72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1041851API
curl https://kongchang.com/api/v1/knowledge/claims/1041851MCP
get_claim(id=1041851)